nn 是神经网络的开发包，它是共享公共模块接口的模块化对象。nn 通过 Torch/Torch7 框架建立简单的模块，组合不同的 nn 模块可形成神经网络。
该软件包提供了一种简单的模块化方法，可以使用Torch构建和训练简单或复杂的神经网络：
- 模块是用于构建神经网络的模块。每个网络本身都是神经网络，但可以使用容器与其他网络组合以创建复杂的神经网络：
- 标准根据给定输入和目标的给定损失函数计算梯度：
- 标准：所有标准的列表，包括
Criterion抽象类； MSECriterion：用于回归的均方误差标准；ClassNLLCriterion：用于分类的负对数似然标准；
- 标准：所有标准的列表，包括
- 附加文档：
- 套餐要点概述，包括模块，容器和培训；
- 训练：如何使用训练神经网络
StochasticGradient; - 测试：如何测试模块。
- 实验模块：包含实验模块和标准的软件包。
-
常用软件包： Theano Pylearn2 scikit-neuralnetwork Caffe Deeplearning4j Torch http://deeplearning.net/software_links/ 环境配置 Linux: Ubuntu Eclipse PyDev Python CUDA GPU: https://developer.nvidia.com/cuda-gpus
-
A good example to explain the application of Neural network model Example: from sklearn.neural_network import MLPClassifier X=[[0.,0.],[1.,1.]] y=[0,1] #x and y is data input, you can set the data ge
-
首先介绍几个很不错的介绍BNN的blog（按易于理解的推荐阅读顺序）（可能有的需要购买才能读）： https://medium.com/@joeDiHare/deep-bayesian-neural-networks-952763a9537： 这篇博客里讲了一个很重要的总结，实现BNN的三个思路： Here’s my take on three approaches. Approximating
-
神经网络 (Neural Network) 是机器学习的一个分支，全称人工神经网络（Artificial Neural Network，缩写 ANN），是一种模仿生物神经网络的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。 Perceptron (感知器) 一个典型的神经网络由输入层、一个或多个隐藏层以及输出层组成，其中箭头代表着数据流动的方向，而圆圈代表激活函数（最常用的激活函数为
-
译者：bat67 最新版会在译者仓库首先同步。 可以使用torch.nn包来构建神经网络. 我们以及介绍了autograd，nn包依赖于autograd包来定义模型并对它们求导。一个nn.Module包含各个层和一个forward(input)方法，该方法返回output。 例如，下面这个神经网络可以对数字进行分类： 这是一个简单的前馈神经网络（feed-forward network）。它接受一
-
我玩神经网络。我了解卷积层、完全连接层和许多其他东西是如何工作的。我还知道什么是梯度，以及如何训练这样的网络。 框架千层面包含一个称为InverseLayer的层。 InverseLayer类通过应用要反转的层相对于其输入的偏导数，对神经网络的单层执行反转操作。 我不知道这是什么意思，或者我应该在什么时候使用这个层。或者倒置偏导数背后的想法是什么？ 非常感谢你
-
我用newff在Matlab中创建了一个用于手写数字识别的神经网络。 我只是训练它只识别0 输入层有9个神经元，隐层有5个神经元，输出层有1个神经元，共有9个输入。 我的赔率是0.1 我在Matlab中进行了测试，网络运行良好。现在我想用c语言创建这个网络，我编写了代码并复制了所有的权重和偏差（总共146个权重）。但当我将相同的输入数据输入到网络时，输出值不正确。 你们谁能给我指点路吗？ 这是我的
-
PyTorch包含创建和实现神经网络的特殊功能。在本章中，我们将创建一个简单的神经网络，实现一个隐藏层开发单个输出单元。 我们将使用以下步骤使用PyTorch实现第一个神经网络 - 第1步 首先，需要使用以下命令导入PyTorch库 - 第2步 定义所有图层和批量大小以开始执行神经网络，如下所示 - 第3步 由于神经网络包含输入数据的组合以获得相应的输出数据，使用以下给出的相同程序 - 第4步 借
-
我正在学习神经网络和反向传播。我想我了解网络是如何工作的，在输入、输出、隐藏层、权重、偏差等方面。但是，我仍然不完全了解如何设计一个网络来适应一个问题。IE：假设我想要一个神经网络来学习如何演奏曲子，我该如何把这个问题转化为神经网络的设计呢？欢呼：）
-
介绍 可以在 this great article 查看循环神经网络(RNN)以及 LSTM 的介绍。 语言模型 此教程将展示如何在高难度的语言模型中训练循环神经网络。该问题的目标是获得一个能确定语句概率的概率模型。为了做到这一点，通过之前已经给出的词语来预测后面的词语。我们将使用 PTB(Penn Tree Bank) 数据集，这是一种常用来衡量模型的基准，同时它比较小而且训练起来相对快速。 语
-
注意: 本教程适用于对Tensorflow有丰富经验的用户，并假定用户有机器学习相关领域的专业知识和经验。 概述 对CIFAR-10 数据集的分类是机器学习中一个公开的基准测试问题，其任务是对一组大小为32x32的RGB图像进行分类，这些图像涵盖了10个类别： 飞机， 汽车， 鸟， 猫， 鹿， 狗， 青蛙， 马， 船以及卡车。 想了解更多信息请参考CIFAR-10 page，以及Alex Kriz